文献

J-GLOBAL ID：201702236221285559   整理番号：17A1122572

良性および悪性子宮内膜病変の識別のための画像解析と多層パーセプトロン人工神経回路網【Powered by NICT】

Image analysis and multi-layer perceptron artificial neural networks for the discrimination between benign and malignant endometrial lesions

著者 (9件)： Makris Georgios-Marios (Unit of Gynecological Oncology, Third Department of Obstetrics and Gynecology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Pouliakis Abraham (Department of Cytopathology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Siristatidis Charalampos (Assisted Reproduction Unit, Third Department of Obstetrics and Gynecology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Margari Niki (Department of Cytopathology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Terzakis Emmanouil (2nd Department of Gynecology, St. Savas Hospital, Athens, Greece) ,  Koureas Nikolaos (2nd Department of Gynecology, St. Savas Hospital, Athens, Greece) ,  Pergialiotis Vasilios (Unit of Gynecological Oncology, Third Department of Obstetrics and Gynecology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Papantoniou Nikolaos (Unit of Gynecological Oncology, Third Department of Obstetrics and Gynecology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece) ,  Karakitsos Petros (Department of Cytopathology, General Hospital “Attikon”, Medical School, National and Kapodistrian University of Athens, Athens, Greece)
資料名： Diagnostic Cytopathology  (Diagnostic Cytopathology)
巻： 45  号： 3  ページ： 202-211  発行年： 2017年 
JST資料番号： W2550A  ISSN： 8755-1039  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:本研究では,細胞診標本における良性および悪性子宮内膜核と病変を区別するために多層パーセプトロン(ANN MPL)に基づく人工神経回路網の有効性を調べることを目的とする。【方法】し収集した416は組織学的に168名の健康な患者からの液体ベース細胞学的塗抹標本,悪性腫瘍152例,52異型を伴わない過形成,異型過形成を伴う20,及び子宮内膜ポリープ患者24名を確認した。症例あたり90核の形態学的特性は,カスタム画像解析システムを用いて分析した;それらの半分はMPL ANNモデル,良性または悪性として各核を分類を訓練するために使用した。症例の残りの50%のデータをANNの性能と安定性を評価するために用いた。核分類(数値と分類器)のためのMLP ANNと最適しきい値の決定のためのアルゴリズムはMATLAB v2011bプログラミング環境のための社内開発したソフトウェアを用いて推定した;診断精度対策も計算した。【結果】子宮内膜核の分類のためのMPL ANNモデルの精度は81.33%であり,特異度は88.84%,感度69.38%であった。数値分類器に基づく事例分類のために総合精度は90.87%,特異度93.03%,感度87.79%であった;分類器のための指標はそれぞれ95.91%,93.44%,及び99.42%であった。ANNに基づく【結論】コンピュータ化されたシステムは,十分な感度と特異性を持つ子宮内膜核と病変の細胞学的分類を助けることができる。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *多層パーセプトロン ,  モルフォロジー ,  患者 ,  *子宮内膜 ,  *ニューラルネットワーク ,  細胞生物学 ,  ソフトウェア ,  増生 ,  細胞診 ,  アルゴリズム ,  *画像分析
準シソーラス用語： 特異度 ,  診断精度 ,  悪性腫瘍 ,  *病巣 , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータ支援診断 ,  子宮内膜細胞診 ,  液状処理細胞診 ,  人工ニューラルネットワーク ,  多層パーセプトロン

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 子宮内膜 ,  病変 ,  識別 ,  画像解析 ,  多層パーセプトロン ,  人工神経回路網